RU2683415C1 - Generation of events with the use of context information on an intellectual programming logic controller - Google Patents
Generation of events with the use of context information on an intellectual programming logic controller Download PDFInfo
- Publication number
- RU2683415C1 RU2683415C1 RU2017146051A RU2017146051A RU2683415C1 RU 2683415 C1 RU2683415 C1 RU 2683415C1 RU 2017146051 A RU2017146051 A RU 2017146051A RU 2017146051 A RU2017146051 A RU 2017146051A RU 2683415 C1 RU2683415 C1 RU 2683415C1
- Authority
- RU
- Russia
- Prior art keywords
- data
- event
- events
- logic controller
- programmable logic
- Prior art date
Links
- 238000000034 method Methods 0.000 claims abstract description 85
- 230000008569 process Effects 0.000 claims abstract description 53
- 238000003860 storage Methods 0.000 claims description 19
- 230000004044 response Effects 0.000 claims description 9
- 238000012986 modification Methods 0.000 claims description 4
- 230000004048 modification Effects 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 3
- 238000009472 formulation Methods 0.000 claims 1
- 239000000203 mixture Substances 0.000 claims 1
- 238000013480 data collection Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 2
- 239000000126 substance Substances 0.000 abstract 1
- 238000004519 manufacturing process Methods 0.000 description 17
- 238000012545 processing Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 12
- 238000012517 data analytics Methods 0.000 description 11
- 238000009434 installation Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013144 data compression Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 208000018910 keratinopathic ichthyosis Diseases 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0264—Control of logging system, e.g. decision on which data to store; time-stamping measurements
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/05—Programmable logic controllers, e.g. simulating logic interconnections of signals according to ladder diagrams or function charts
- G05B19/058—Safety, monitoring
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0267—Fault communication, e.g. human machine interface [HMI]
- G05B23/027—Alarm generation, e.g. communication protocol; Forms of alarm
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/362—Software debugging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
- G06F2201/86—Event-based monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Programmable Controllers (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
Description
ОБЛАСТЬ ТЕХНИКИFIELD OF TECHNOLOGY
[1] Настоящее изобретение в общем относится к использованию программируемого логического контроллера, который генерирует события, используя контекстную информацию из среды автоматизации. Раскрытая технология может применяться, например, для различных производственных систем, в которых используются программируемые контроллеры.[1] The present invention generally relates to the use of a programmable logic controller that generates events using contextual information from an automation environment. The disclosed technology can be applied, for example, to various production systems that use programmable controllers.
ПРЕДШЕСТВУЮЩИЙ УРОВЕНЬ ТЕХНИКИBACKGROUND OF THE INVENTION
[2] Программируемый логический контроллер (PLC) - это специализированная компьютерная система управления, сконфигурированная для выполнения программного обеспечения, которая непрерывно собирает данные о состоянии входных устройств для управления состоянием выходных устройств. PLC обычно включает в себя три основных компонента: процессор (который может включать в себя энергозависимую память), энергозависимую память, содержащую прикладную программу, и один или несколько портов ввода/вывода (I/O) для соединения с другими устройствами в системе автоматизации.[2] A programmable logic controller (PLC) is a specialized computer control system configured to run software that continuously collects status data of input devices to control the status of output devices. A PLC typically includes three main components: a processor (which may include volatile memory), a volatile memory containing an application program, and one or more input / output (I / O) ports for connecting to other devices in the automation system.
[3] PLC используются в различных промышленных установках для управления системами автоматизации. Системы автоматизации обычно генерируют большой объем данных в их повседневных операциях. Эти данные могут включать в себя, например, данные датчиков, исполнительных механизмов и параметров программы управления, а также информацию, ассоциированную с действиями по обслуживанию. Во время работы, PLC могут генерировать одно или несколько событий, таких как, например, сигналы тревоги или состояния системы. Эти события содержат важную информацию о процессе автоматизации, поскольку они выражают представление состояния системы.[3] PLCs are used in various industrial plants to control automation systems. Automation systems typically generate a large amount of data in their daily operations. This data may include, for example, sensor data, actuators, and control program parameters, as well as information associated with maintenance activities. During operation, the PLC can generate one or more events, such as, for example, alarms or system conditions. These events contain important information about the automation process, as they express a view of the state of the system.
[4] Обычные PLC очень ограничены в отношении типов событий, которые могут быть сгенерированы. Основные события статически конфигурируются и программируются на этапе проектирования. Однако многие важные события для процесса управления (например, нежесткие (программируемые) датчики или скрытые переменные управления, превышающие пороговые значения) не фиксируются автоматически, не обнаруживаются и даже не повышаются. Также очень сложно добавлять или изменять события во время выполнения. Таким образом, на этапе диагностики, инженерам очень сложно изменять переменные и правила мониторинга (контроля) для отслеживания, отладки и диагностики ошибки. Как правило, процесс производства должен быть остановлен, что, в свою очередь, приводит к высоким эксплуатационным расходам.[4] Conventional PLCs are very limited regarding the types of events that can be generated. Key events are statically configured and programmed at the design stage. However, many important events for the control process (for example, non-rigid (programmable) sensors or hidden control variables that exceed threshold values) are not automatically recorded, are not detected, and do not even increase. It is also very difficult to add or modify events at runtime. Thus, at the diagnostic stage, it is very difficult for engineers to change variables and monitoring (control) rules to track, debug and diagnose errors. As a rule, the production process must be stopped, which, in turn, leads to high operating costs.
[5] Кроме того, полезная информация, предоставляемая событиями в обычных PLC, минимальна. Например, одним важным типом события, используемого в обычных системах, является сигнал тревоги. Сигналы тревоги используются для предупреждения об ошибках в процессе производства. Как только сигнал тревоги возникает, инженеры сначала просматривают содержание (например, тексты или свойства) события и пытаются ассоциировать его с другими одновременными событиями. Однако единственная информация, предоставляемая сигналом тревоги, - это его текстовое описание (например, ошибка качества) и ограниченные свойства (например, серьезность). Истинное понимание системы (например, такое как приобретаемое с помощью анализа причинно-следственных связей и других аналитических процессов, выполняемых над данными) требует дополнительной информации об условиях тревоги. Например, как поднят сигнал тревоги? Относится ли сигнал тревоги к производственному процессу или продукту? Ассоциирован ли сигнал тревоги с некоторыми данными датчика в реальном времени или историческими (архивными, прошлыми) данными? Существуют ли какие-либо другие события, которые могут быть релевантными (например, быть причиной) для этого сигнала тревоги? Этот тип информации недоступен в обычных системах, поскольку события изолированы и не связаны с прошлыми данными и контекстами. Вместо этого необходимо предвидение и подготовка, чтобы найти смысл в произошедшем событии.[5] In addition, the useful information provided by events in conventional PLCs is minimal. For example, one important type of event used in conventional systems is an alarm. Alarms are used to warn of errors during production. As soon as an alarm occurs, engineers first look at the content (for example, texts or properties) of the event and try to associate it with other simultaneous events. However, the only information provided by the alarm is its textual description (for example, quality error) and limited properties (for example, severity). A true understanding of the system (for example, such as acquired through analysis of cause-effect relationships and other analytical processes performed on data) requires additional information about the alarm conditions. For example, how is the alarm raised? Does an alarm relate to a manufacturing process or product? Is the alarm associated with some real-time sensor data or historical (archived, past) data? Are there any other events that may be relevant (e.g., cause) for this alarm? This type of information is not available on conventional systems because events are isolated and not related to past data and contexts. Instead, foresight and preparation are needed to find meaning in the event.
[6] Каскады событий также плохо обрабатываются обычными системами. В настоящее время, при проектировании систем автоматизации необходимо проявлять большую осторожность, если в течение короткого промежутка времени произойдет каскад событий тревоги, в противном случае основополагающая причина (которая может не быть самым ранним обнаруженным событием) может потеряться в шуме. Знания контекста, которые связывают каскад событий, не управляются и не используются.[6] Event cascades are also poorly handled by conventional systems. Currently, when designing automation systems, great care must be taken if a cascade of alarm events occurs within a short period of time, otherwise the underlying cause (which may not be the earliest detected event) may be lost in noise. The context knowledge that links the cascade of events is not managed or used.
СУЩНОСТЬ ИЗОБРЕТЕНИЯSUMMARY OF THE INVENTION
[7] Варианты осуществления настоящего изобретения направлены на исследование и преодоление одного или нескольких из вышеупомянутых дефектов и недостатков путем предоставления способов, систем и устройств, относящихся к интеллектуальному PLC, который генерирует расширенные события с использованием контекстуального знания о среде автоматизации. Расширенные события могут использоваться, например, для выполнения аналитики в полевых условиях.[7] Embodiments of the present invention seek to investigate and overcome one or more of the above defects and disadvantages by providing methods, systems, and devices related to an intelligent PLC that generates advanced events using contextual knowledge of an automation environment. Extended events can be used, for example, to perform analytics in the field.
[8] В соответствии с некоторыми вариантами осуществления настоящего изобретения, способ генерации событий на основе данных системы автоматизации в интеллектуальном PLC включает в себя сбор данных системы автоматизации посредством интеллектуального PLC и применение модели контекста к данным системы автоматизации для создания контекстуализированных данных. Интеллектуальный PLC генерирует одно или несколько событий на основе контекстуализированных данных. В некоторых вариантах осуществления, интеллектуальный PLC также извлекает исторические (прошлые) данные системы автоматизации из энергонезависимого считываемого компьютером носителя хранения данных, операционно связанного с интеллектуальным PLC. Эти прошлые данные также могут использоваться для генерации событий.[8] According to some embodiments of the present invention, a method for generating events based on data from an automation system in an intelligent PLC includes collecting data from an automation system through an intelligent PLC and applying a context model to the data of the automation system to create contextualized data. An intelligent PLC generates one or more events based on contextualized data. In some embodiments, the smart PLC also retrieves the historical (past) data of the automation system from a non-volatile computer-readable storage medium operatively associated with the smart PLC. This historical data can also be used to generate events.
[9] В некоторых вариантах осуществления вышеупомянутого способа, интеллектуальный PLC сохраняет одно или несколько событий в базе данных событий, включенной в интеллектуальный PLC. Затем способ может дополнительно включать в себя прием, интеллектуальным PLC, запроса события, формулирование (информационного) запроса на основе запроса события и модели контекста и извлечение данных ответа из базы данных событий на основе запроса.[9] In some embodiments of the above method, an intelligent PLC stores one or more events in an event database included in the intelligent PLC. Then, the method may further include receiving, by an intelligent PLC, an event request, formulating an (informational) request based on an event request and a context model, and retrieving response data from the event database based on the request.
[10] В некоторых вариантах осуществления вышеупомянутого способа, интеллектуальный PLC выполняет процесс генерации события в цикле в течение каждого цикла управления. Этот процесс генерации события в цикле может включать, например, сбор данных системы автоматизации с использованием компонентов аналитики для определения того, существует ли условие генерации события, на основе данных системы автоматизации и генерирование одного или нескольких дополнительных событий, если условие генерации события существует. В некоторых вариантах осуществления, компоненты аналитики могут обновляться на основе одной или нескольких новых спецификаций аналитики во время рабочего цикла интеллектуального PLC. Эти спецификации аналитики могут включать в себя, без ограничения указанным, спецификации правил, рабочие процессы аналитических операций, спецификации языка разметки модели предсказания (PMML), сложные запросы и т.д. В некоторых вариантах осуществления, интеллектуальный PLC извлекает исторические данные системы автоматизации из энергонезависимого считываемого компьютером носителя хранения данных, операционно связанного с интеллектуальным PLC. Интеллектуальный PLC затем модифицирует одну или несколько спецификаций аналитики, используемых компонентами аналитики, на основе исторических данных системы автоматизации.[10] In some embodiments of the aforementioned method, the intelligent PLC performs the process of generating an event in a cycle during each control cycle. This process of generating an event in a loop may include, for example, collecting data from an automation system using analytics components to determine if an event generating condition exists based on data from an automation system and generating one or more additional events if an event generating condition exists. In some embodiments, analytics components may be updated based on one or more new analytics specifications during the intelligent PLC work cycle. These analytics specifications may include, without limitation, rule specifications, analytic workflows, prediction model markup language (PMML) specifications, complex queries, etc. In some embodiments, an intelligent PLC retrieves historical automation system data from a non-volatile computer-readable storage medium operatively associated with the intelligent PLC. An intelligent PLC then modifies one or more analytics specifications used by analytics components based on historical data from the automation system.
[11] Согласно другому аспекту настоящего изобретения, как описано в некоторых вариантах осуществления, второй способ генерации событий на основе данных системы автоматизации включает в себя выполнение интеллектуальным PLC процесса генерации события в цикле по множеству циклов управления. Этот процесс генерации события в цикле может включать в себя, например, сбор данных системы автоматизации с использованием компонентов аналитики для определения того, существует ли условие генерации события, на основе данных системы автоматизации и генерацию одного или нескольких событий, если условие генерации события существует.[11] According to another aspect of the present invention, as described in some embodiments, a second event generation method based on data from an automation system includes performing an intelligent PLC process of generating an event in a loop over a plurality of control cycles. This process of generating an event in a loop may include, for example, collecting data from an automation system using analytics components to determine if an event generating condition exists based on data from an automation system and generating one or more events if an event generating condition exists.
[12] К вышеупомянутому второму способу могут быть применены различные дополнительные функции, улучшения или модификации. Например, в некоторых вариантах осуществления, способ дополнительно включает в себя обновление компонентов аналитики на основе новых спецификаций аналитики в течение рабочего цикла интеллектуального PLC. В некоторых вариантах осуществления, интеллектуальный PLC извлекает локально сохраненные исторические данные системы автоматизации и использует эти данные для изменения спецификаций правил, используемых компонентами аналитики.[12] Various additional functions, enhancements, or modifications may be applied to the aforementioned second method. For example, in some embodiments, the method further includes updating analytics components based on new analytics specifications during the intelligent PLC work cycle. In some embodiments, the intelligent PLC retrieves the locally stored historical data of the automation system and uses this data to modify the specification of the rules used by analytics components.
[13] В других вариантах осуществления вышеупомянутого второго способа, интеллектуальный PLC применяет модель контекста к данным системы автоматизации и генерирует одно или несколько дополнительных событий на основе контекстуализированных данных. В некоторых вариантах осуществления, локально хранимые исторические данные системы автоматизации могут быть извлечены и использованы для генерации этих дополнительных событий. В некоторых вариантах осуществления способа, события хранятся в локальной базе данных на интеллектуальном PLC. Когда принимается запрос события, интеллектуальный программируемый логический контроллер формулирует запрос на основе запроса события и модели контекста. В свою очередь, этот запрос может использоваться для извлечения данных ответа из базы данных событий.[13] In other embodiments of the aforementioned second method, the intelligent PLC applies a context model to the data of the automation system and generates one or more additional events based on contextualized data. In some embodiments, the locally stored historical data of the automation system can be retrieved and used to generate these additional events. In some embodiments of the method, events are stored in a local database on an intelligent PLC. When an event request is received, the intelligent programmable logic controller formulates the request based on the event request and the context model. In turn, this request can be used to retrieve response data from the event database.
[14] Согласно другим вариантам осуществления настоящего изобретения, интеллектуальный PLC включает в себя процессор, сконфигурированный, чтобы работать в соответствии с циклом управления, энергозависимый считываемый компьютером носитель хранения данных, содержащий область изображения процесса, энергонезависимый считываемый компьютером носитель хранения данных, и компоненты контроллера, исполняемые процессором в соответствии с циклом управления. Эти компоненты контроллера включают в себя компонент переноса данных, сконфигурированный, чтобы обновлять область изображения процесса, в течение каждого цикла управления, содержимым, содержащим данные системы автоматизации. Компоненты контроллера также включают в себя компонент контекстуализации, сконфигурированный, чтобы применять модель контекста к данным системы автоматизации для создания контекстуализированных данных и генерировать одно или несколько событий на основе контекстуализированных данных. В некоторых вариантах осуществления, эти события основаны на исторических данных системы автоматизации. Кроме того, компоненты контроллера включают в себя компонент ʺисторикаʺ, содержащий базу данных событий, сконфигурированную для хранения одного или нескольких событий на энергонезависимом считываемом компьютером носителе хранения данных.[14] According to other embodiments of the present invention, an intelligent PLC includes a processor configured to operate in accordance with a control cycle, a volatile computer-readable storage medium comprising a process image area, a non-volatile computer-readable storage medium, and controller components, executed by the processor in accordance with the control cycle. These controller components include a data transfer component configured to update the process image area during each control cycle with content containing automation system data. Controller components also include a contextualization component configured to apply a context model to the automation system data to create contextualized data and to generate one or more events based on contextualized data. In some embodiments, these events are based on historical data from an automation system. In addition, the controller components include a ʺhistory компонент component containing an event database configured to store one or more events on a non-volatile computer-readable storage medium.
[15] В некоторых вариантах осуществления, компонент контекстуализации, используемый в вышеупомянутом интеллектуальном PLC, включает в себя дополнительную функциональность. Например, в одном варианте осуществления, компонент контекстуализации дополнительно сконфигурирован, чтобы выполнять процесс генерации события в цикле в течение каждого цикла управления. Этот процесс генерации события в цикле может включать в себя, например, использование компонентов аналитики для определения того, существует ли условие генерации события, на основе данных системы автоматизации и генерацию одного или нескольких дополнительных событий, если условие генерации события существует. В некоторых вариантах осуществления, компоненты аналитики обновляются на основе новых спецификаций аналитики во время рабочего цикла. В других вариантах осуществления компонент контекстуализации дополнительно сконфигурирован, чтобы извлекать исторические данные системы автоматизации из компонента ʺисторикаʺ и изменять одну или несколько ранее полученных спецификаций аналитики, используемых компонентами аналитики, на основе исторических данных системы автоматизации. В еще одном варианте осуществления, компонент контекстуализации дополнительно сконфигурирован, чтобы использовать модель контекста для формулирования запросов на основе принятых запросов события для извлечения данных ответа из базы данных событий.[15] In some embodiments, the contextualization component used in the aforementioned intelligent PLC includes additional functionality. For example, in one embodiment, the contextualization component is further configured to perform a process of generating an event in a cycle during each control cycle. This process of generating an event in a loop may include, for example, using analytics components to determine if an event generating condition exists based on data from the automation system and generating one or more additional events if an event generating condition exists. In some embodiments, analytics components are updated based on new analytics specifications during the work cycle. In other embodiments, the contextualization component is further configured to retrieve historical data of the automation system from the Historical component and modify one or more previously obtained analytic specifications used by analytic components based on historical data of the automation system. In yet another embodiment, the contextualization component is further configured to use a context model to formulate requests based on received event requests to retrieve response data from the event database.
[16] Дополнительные признаки и преимущества изобретения станут очевидными из последующего подробного описания иллюстративных вариантов осуществления, представленного ниже со ссылками на приложенные чертежи.[16] Additional features and advantages of the invention will become apparent from the following detailed description of illustrative embodiments presented below with reference to the attached drawings.
КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙBRIEF DESCRIPTION OF THE DRAWINGS
[17] Вышеизложенные и другие аспекты настоящего изобретения будут более понятны из последующего детального описания при изучении во взаимосвязи с приложенными чертежами. Для иллюстрации изобретения на чертежах показаны варианты осуществления, которые являются предпочтительными в настоящее время, однако следует понимать, что изобретение не ограничено конкретным раскрытым инструментарием. На чертежах представлено следующее:[17] The foregoing and other aspects of the present invention will be more apparent from the following detailed description when studied in conjunction with the attached drawings. To illustrate the invention, the drawings show embodiments that are currently preferred, but it should be understood that the invention is not limited to the particular toolkit disclosed. The drawings show the following:
[18] Фиг. 1 представляет системное представление интеллектуальных PLC, интегрированных в систему автоматизации, в соответствии с некоторыми вариантами осуществления настоящего изобретения;[18] FIG. 1 is a system view of intelligent PLCs integrated in an automation system in accordance with some embodiments of the present invention;
[19] Фиг. 2 представляет иллюстрацию компонентов системы, включенных в интеллектуальный PLC, который может использоваться для генерации расширенных событий в соответствии с некоторыми вариантами осуществления настоящего изобретения;[19] FIG. 2 is an illustration of system components included in an intelligent PLC that can be used to generate advanced events in accordance with some embodiments of the present invention;
[20] Фиг. 3 представляет пример базы данных событий для процесса управления сборкой дверей;[20] FIG. 3 provides an example of an event database for a door assembly control process;
[21] Фиг. 4 представляет процесс, в котором расширенные события генерируются, сохраняются и используются интеллектуальным PLC в соответствии с некоторыми вариантами осуществления настоящего изобретения;[21] FIG. 4 represents a process in which extended events are generated, stored, and used by an intelligent PLC in accordance with some embodiments of the present invention;
[22] Фиг. 5 иллюстрирует примерный набор моделей 500 контекста, который может использоваться интеллектуальным PLC в некоторых вариантах осуществления;[22] FIG. 5 illustrates an exemplary set of
[23] Фиг. 6А представляет высокоуровневый обзор моделей, которые могут быть применены в некоторых вариантах осуществления;[23] FIG. 6A provides a high-level overview of models that may be applicable in some embodiments;
[24] Фиг. 6В показывает расширение высокоуровневой модели событий, показанной на Фиг. 6A;[24] FIG. 6B shows an extension of the high-level event model shown in FIG. 6A;
[25] Фиг. 6C показывает модель события, связанную с моделями управления и моделями ресурсов (цифровых объектов);[25] FIG. 6C shows an event model associated with control models and resource models (digital objects);
[26] Фиг. 7А показывает правило для генерации события проблемы качества двери;[26] FIG. 7A shows a rule for generating an event of a door quality problem;
[27] Фиг. 7В показывает правило для генерации события аномалии управления позиционированием;[27] FIG. 7B shows a rule for generating an position control anomaly event;
[28] Фиг. 7C показывает правило, которое связывает событие качества двери и событие аномалии управления позиционированием;[28] FIG. 7C shows a rule that links a door quality event and a position control anomaly event;
[29] Фиг. 7D показывает пример того, как компонент аналитики в цикле запускает событие.[29] FIG. 7D shows an example of how an analytics component in a loop fires an event.
ПОДРОБНОЕ ОПИСАНИЕDETAILED DESCRIPTION
[30] Здесь описаны системы, способы и устройства, которые в целом относятся к PLC, который представляет собой интеллектуальный PLC, который генерирует расширенные события с использованием контекстуального знания о среде автоматизации. Более конкретно, описанная здесь технология позволяет использовать в PLC данные (например, изображение процесса и ʺhistorianʺ (историк) ввода, вывода, данные нежестких датчиков и т.д.) и знания контекста (например, знание управления, модель установки и т.д.), чтобы инициировать события, доступные на уровне управления. Эти события, называемые здесь ʺрасширенными событиямиʺ, могут основываться на фиксированных свойствах, а также на логике динамического контролирования (например, правилах), которая может использовать информацию, полученную из исторических данных. В обычных системах автоматизации, события обычно ограничиваются сигналами тревоги. Однако в процессе управления может быть много других важных ситуаций, которые должны быть задокументированы и записаны исторические данные (заархивированы). Например, тот факт, что продукт был успешно обработан машиной и передан на следующий этап процесса, является важным. Расширенное событие может быть использовано для захвата этого и присоединения дополнительной важной информации, такой как энергия, потребленная машиной для данного продукта, качество продукта, параметры производственного процесса, такие как конфигурация машины и т.д. Для последующей аналитики данных, такой как расчет KPI на уровне SCADA/MES, такие события упрощают сбор и подготовку данных.[30] Systems, methods and devices that are generally related to a PLC, which is an intelligent PLC that generates advanced events using contextual knowledge of an automation environment, are described. More specifically, the technology described here allows the use in PLC of data (for example, a process image and ʺhistorianʺ (historian) of input, output, non-rigid sensor data, etc.) and context knowledge (for example, control knowledge, installation model, etc. ) to trigger events available at the management level. These events, called “advanced events”, can be based on fixed properties, as well as on dynamic control logic (for example, rules), which can use information obtained from historical data. In conventional automation systems, events are usually limited to alarms. However, in the management process there can be many other important situations that need to be documented and recorded historical data (archived). For example, the fact that the product was successfully processed by the machine and transferred to the next stage of the process is important. An extended event can be used to capture this and attach additional important information, such as the energy consumed by the machine for a given product, product quality, process parameters, such as machine configuration, etc. For subsequent data analytics, such as calculating KPIs at the SCADA / MES level, these events simplify data collection and preparation.
[31] Различные варианты осуществления настоящего изобретения описаны в контексте PLC, который включает в себя различные компоненты, сконфигурированные для обеспечения набора расширенных функций в приложениях управления. Данный PLC, называемый здесь ʺинтеллектуальным PLCʺ, более подробно описан в заявке США № 14/467,125, озаглавленной ʺIntelligent Programmable Logic Controllerʺ, которая полностью включена в настоящий документ посредством ссылки. Вкратце, интеллектуальный PLC предлагает несколько технических признаков, которые могут присутствовать в различных комбинациях, и использует различные варианты осуществления настоящего изобретения. Интеллектуальный PLC обеспечивает эффективное хранение данных на устройствах уровня управления. Более конкретно, функциональность уровня управления может быть расширена за счет эффективного механизма хранения данных временных рядов (т.е. функции историка), что позволяет осуществлять кратко-/среднесрочное архивирование данных с высоким разрешением с временными метками. В случае данных высокой точности не происходит потери событий. Эффективные алгоритмы сжатия (например, разновидность ʺкачающейся двериʺ (swinging door)) могут использоваться для уменьшения требований к хранению и связи. Интеллектуальный PLC может также предлагать интеллектуальный способ генерации данных на устройстве в некоторых вариантах осуществления. Способы фильтрации данных могут применяться непосредственно там, где генерируются данные, чтобы гарантировать, что дополнительные данные будут храниться только в том случае, если они предоставляют дополнительное информационное содержание. Эти способы также могут активно анализировать входящие данные и конфигурировать сбор данных в соответствии с текущими потребностями, например, путем коррекции частоты дискретизации или путем сохранения данных только в случае обнаружения определенных событий. Интеллектуальный PLC также может обеспечивать возможность обогащенной и семантической контекстуализации и выполнять семантическую аналитику уровня управления. Кроме того, в некоторых вариантах осуществления, интеллектуальный PLC также обеспечивает распределенную аналитику в системах автоматизации.[31] Various embodiments of the present invention are described in the context of a PLC that includes various components configured to provide a set of advanced functions in control applications. This PLC, referred to herein as the “Intelligent PLC”, is described in more detail in US Application No. 14 / 467,125, entitled “Intelligent Programmable Logic Controller”, which is incorporated herein by reference in its entirety. In short, the intelligent PLC offers several technical features that may be present in various combinations, and uses various embodiments of the present invention. Intelligent PLC provides efficient data storage on control level devices. More specifically, the functionality of the control level can be expanded through an efficient mechanism for storing time series data (i.e., historian functions), which allows short- / medium-term archiving of high-resolution data with time stamps. In the case of high accuracy data, no event loss occurs. Efficient compression algorithms (such as the swinging door variant) can be used to reduce storage and communication requirements. An intelligent PLC may also offer an intelligent method of generating data on a device in some embodiments. Data filtering methods can be applied directly where data is generated to ensure that additional data will only be stored if it provides additional information content. These methods can also actively analyze incoming data and configure data collection in accordance with current needs, for example, by correcting the sampling rate or by saving data only if certain events are detected. An intelligent PLC can also provide rich and semantic contextualization capabilities and perform semantic analytics of the control level. In addition, in some embodiments, the intelligent PLC also provides distributed analytics in automation systems.
[32] Как описано в различных вариантах осуществления, раскрытых здесь, интеллектуальный PLC может быть сконфигурирован для генерации расширенных событий. Расширенное событие в интеллектуальном PLC содержит идентификатор, время начала и окончания и некоторое описание. Кроме того, следующая контекстная информация может включать одно или несколько из следующих полей: occursAtAsset (ресурс, в котором происходит событие); occursDuringProcess (текущий процесс автоматизации); OccursOnProduct (продукт, который должен быть произведен); type (типы события, ошибка позиционирования или ошибка калибровки); и cause-by (какое другое событие инициирует данное событие). Свойства события не ограничены приведенным выше списком. В интеллектуальном PLC, свойства событий можно динамически добавлять на основе спецификаций аналитики (например, спецификаций правил, рабочего процесса аналитических операций, спецификаций языка разметки модели предсказания (PMML), сложных запросов и т.д.), которые можно динамически изменять во время выполнения (в течение рабочего цикла).[32] As described in the various embodiments disclosed herein, an intelligent PLC may be configured to generate extended events. An extended event in an intelligent PLC contains an identifier, start and end times, and some description. In addition, the following contextual information may include one or more of the following fields: occursAtAsset (resource in which the event occurs); occursDuringProcess (current automation process); OccursOnProduct (product to be produced); type (event types, positioning error or calibration error); and cause-by (what other event triggers this event). Event properties are not limited to the list above. In an intelligent PLC, event properties can be dynamically added based on analytics specifications (e.g., rule specifications, analytic workflow specifications, prediction model markup language specifications (PMML), complex queries, etc.) that can be dynamically changed at runtime ( during the working cycle).
[33] Фиг. 1 предоставляет системное представление интеллектуальных PLC, интегрированных в систему 100 автоматизации, в соответствии с некоторыми вариантами осуществления настоящего изобретения. Этот пример концептуально разделяет промышленную среду на уровень 105 производства, уровень 110 управления и IT-уровень 115. В обычных системах, большинство функций обработки данных выполняются на IT-уровне 115. Используя интеллектуальные PLC 110E и 110F, система 100, показанная на фиг. 1 продвигает многие из этих функций обработки данных вниз до уровня 110 управления. Например, в некоторых вариантах осуществления, возможности историка, такие как эффективное сжатие данных для данных временных рядов и интеллектуальная фильтрация данных, могут быть реализованы непосредственно на интеллектуальных PLC 110E и 110F. Это позволяет уровню 110 управления использовать данные высокой точности с меньшими затратами на хранение/связь, так что мало событий (если это имеет место) остаются необнаруженными. В некоторых вариантах осуществления, интеллектуальные PLC 110Е и 110F также обеспечивают функциональность обогащенной контекстуализации. За счет добавления знаний уровня управления к данным, может не потребоваться повторное обнаружение знания в бизнес-аналитике 115C на IT-уровне 115. Кроме того, расширенные события могут генерироваться на основе этих данных на уровне 110 управления и пропускаться на IT-уровень 115. Кроме того, в некоторых вариантах осуществления, интеллектуальные PLC 110Е и 110F могут генерировать события, используя функциональные возможности аналитики данных, реализованные непосредственно на соответствующем устройстве, тем самым увеличивая эффективность машины и процесса.[33] FIG. 1 provides a system view of intelligent PLCs integrated in an
[34] Продолжая ссылаться на фиг. 1, на уровне 105 производства действуют один или несколько производственных блоков (например, блок 105А). Каждый производственный блок отправляет и принимает данные через одно или несколько полевых устройств (например, полевое устройство 110А) на уровне 110 управления. На уровне управления 110 каждое полевое устройство может быть соединено с интеллектуальным PLC (например, интеллектуальным PLC 110Е). Данные, полученные от производственных блоков, передаются (либо напрямую полевыми устройствами, либо через интеллектуальный PLC) на IT-уровень 115. IT-уровень 115 включает в себя системы, которые выполняют различные задачи постобработки и хранения. Пример на фиг. 1 включает в себя компонент 115A сервера (или шлюза) диспетчерского управления и сбора данных (SCADA). Этот компонент 115A позволяет оператору дистанционно контролировать и управлять устройствами на уровне 110 управления и уровне 105 производства. Кроме того, компонент 115A сервера SCADA собирает данные из нижних уровней 105, 110 и обрабатывает информацию, чтобы сделать ее доступной для единого хранилища знаний 115В установки. Единое хранилище знаний 115В установки обеспечивает дополнительную обработку и хранение данных, полученных от нижних уровней 105, 110. Различные функциональные возможности могут предоставляться единым хранилищем знаний 115В установки. Например, в некоторых вариантах осуществления, единое хранилище знаний 115B установки включает в себя функциональные возможности для генерации аналитики на основе данных, генерируемых нижними уровнями 105, 110.[34] Continuing to refer to FIG. 1, at
[35] Каждый интеллектуальный PLC 110E и 110F включает в себя три основные части: процессор, систему не-временной (нетранзиторной), энергонезависимой памяти и соединитель линий передачи данных, обеспечивающий функциональность ввода/вывода. Система энергонезависимой памяти может принимать различные формы, включая, например, съемную карту памяти или флэш-накопитель. Приложения, которые могут выполняться в интеллектуальных PLC 110Е и 110F, более подробно описаны ниже со ссылкой на фиг. 2. Соединитель линий передачи данных интеллектуального PLC 110E соединен (проводным или беспроводным способом) с полевыми устройствами 110A и 110B. Аналогично, соединитель линий передачи данных интеллектуального PLC 110F соединен с полевыми устройствами 11°C и 110D. Любые полевые устройства, известные в данной области техники, могут использоваться с описанным здесь интеллектуальным PLC. Примеры полевых устройств, которые могут использоваться с интеллектуальным PLC, включают, без ограничения, реле давления, датчики, кнопки, переключатели потока и переключатели уровня. Отметим, что интеллектуальные PLC 110E и 110F могут быть интегрированы в производственную среду по частям. Например, на фиг. 1, производственные блоки 105B и 105C соединены через их соответствующие полевые устройства с интеллектуальными PLC 110E и 110F, в то время как производственные блоки 105A и 105D осуществляют связь непосредственно через их соответствующие полевые устройства 110G, 110H, 110I, 110J с единым хранилищем знаний 115B установки.[35] Each
[36] Интеллектуальные PLC 110Е и 110F могут обогащать данные, используя дополнительные размерности контекста по сравнению с системами предшествующего уровня техники (например, знания управления, условия окружающей среды и сфера действия служб). Это позволяет анализировать данные с большей уверенностью и качеством. В свою очередь, интеллектуальные PLC 110E и 110F имеют более разнообразный набор знаний для генерации расширенных событий. В некоторых вариантах осуществления, система 100 использует языки представления семантических данных и стандарты для контекстуализации данных в системах автоматизации. Это позволяет сконфигурировать бизнес-аналитику, а также историков уровня SCADA (например, инфраструктуру ресурсов OSI PI) с минимальными усилиями для интеграции с данными из других систем/устройств/источников. Кроме того, система 100 может предоставлять основанную на модели аналитику семантики на уровне 110 управления. Таким образом, аналитические алгоритмы могут быть обновлены во время работы устройства, а анализ главных причин может быть улучшен путем предоставления явного доступа к моделям (вместо компилируемой логики в функциональном блоке). В некоторых вариантах осуществления, система 100 вводит распределенную систему совместного использования данных на уровне 110 управления и интегрируется с внешними инфраструктурами больших данных. Таким образом, приложения могут получить доступ ко всем требуемым данным независимо от места их хранения.[36]
[37] В дополнение к типичным входам датчиков и выходам управления, переданным на IT-уровень 115 или уровень 105 производства, интеллектуальные PLC 110Е и 110F могут хранить, использовать и архивировать параметры и переменные локального уровня управления, которые в обычных системах автоматизации скрыты внутри уровня 110 управления (то есть, нежесткие датчики).[37] In addition to the typical sensor inputs and control outputs transferred to
[38] Расширенные события могут использоваться интеллектуальными PLC 110E и 110F для аналитики в поле на уровне 110 управления для использования знаний управления и другой информации контекста. Например, путем анализа ряда релевантных событий, главная причина проблемы качества сборки двери может быть идентифицирована в качестве ошибки считывания датчика штрих-кода опоры. Расширенные события создают ссылки на ресурс (например, датчик), данные на основе времени (например, аномально-высокое значение управляющей переменной) и окончательную ошибку качества. Рассматривая контекст как часть свойств события, расширенные события могут помочь понять: время простоя и общую эффективность оборудования (OEE), отклонения, запуски, выключения и т.д. Например, вопросами, связанными с DOWNTIME (временем простоя), на которые база данных может помочь ответить, являются: как часто конкретный ресурс не работает, каковы причины простоя и какие из этих причин следует решать в первую очередь?[38] Extended events can be used by
[39] На Фиг. 2 представлена иллюстрация компонентов системы, включенных в интеллектуальный PLC 200, который может использоваться для генерации расширенных событий в соответствии с некоторыми вариантами осуществления настоящего изобретения. Компонент 225 изображения процесса представляет собой область памяти в энергозависимой системной памяти CPU контроллера, которая обновляется в каждом цикле обработки/сканирования на основе данных, ассоциированных с производственными устройствами (например, входы и выходы соединенных I/O). На каждом этапе обработки, приложение 230 управления считывает компонент 225 изображения процесса, выполняет развернутую прикладную логику и записывает результаты обратно в компонент 225 изображения процесса. Компонент 225 изображения процесса может включать в себя различные системные события и сигналы тревоги, которые используются в обычных системах автоматизации. Эти системные события и сигналы тревоги программируются вручную на этапе проектирования и не могут быть изменены без вывода из эксплуатации проекта автоматизации.[39] In FIG. 2 is an illustration of system components included in an
[40] Продолжая ссылаться на фиг. 2, изображение процесса каждого цикла считывается и постоянно сохраняется на энергонезависимом физическом носителе хранения данных компонентом 220 историка. В некоторых вариантах осуществления этот компонент 220 историка сконфигурирован для развертывания алгоритмов сжатия данных для уменьшения объема данных. Таким образом, он может предоставлять приложениям доступ к изображениям прошлых процессов. Данные могут храниться либо в течение фиксированного временного окна, либо для реализации эвристики динамического кэширования используются онлайн-алгоритмы. Как часть компонента 220 историка, интеллектуальные алгоритмы генерации данных могут непрерывно анализировать изображение процесса и контекст для коррекции параметров генерации данных (например, частоты дискретизации) соединенных I/O. Например, для быстрого изменения сигналов датчика может быть выбрана высокая частота дискретизации, тогда как для медленно меняющихся сигналов датчика достаточна более низкая частота дискретизации.[40] Continuing to refer to FIG. 2, a process image of each cycle is read and permanently stored on the non-volatile physical storage medium by the
[41] Компонент 205 аналитики данных содержит набор алгоритмов анализа данных, которые обрабатывают текущие или прошлые изображения процессов (запрошенные из историка). В компонент 205 аналитики данных могут быть включены различные алгоритмы анализа данных. Например, в некоторых вариантах осуществления эти алгоритмы включают в себя один или несколько алгоритмов кластеризации, классификации, выводов на основе логики и статистического анализа. Более того, алгоритмы могут быть заданы с помощью модели, которая может быть развернута во время выполнения на устройстве. Компонент 205 аналитики данных может также включать различные аналитические модели и специальные алгоритмы для интерпретации этих моделей. Результаты, сгенерированные компонентом 205 аналитики данных, могут сохраняться в компонент 220 историка, записываться обратно в компонент 225 изображения процесса и/или предоставляться внешним компонентам через компонент 210 соединителя данных. Таким образом, интеллектуальный PLC может рассматриваться как устройство для предоставления распределенной аналитики другим устройствам в системе автоматизации.[41] The
[42] Компонент 205 аналитики данных включает в себя модуль 250 аналитики в цикле и модуль 245 аналитики вне цикла, которые генерируют расширенные события. Каждое расширенное событие характеризуется временем начала, временем окончания и списком атрибутов, включая указатели на фактические данные. Модуль 250 аналитики в цикле оценивает данные (например, из компонента 225 изображения процесса или компонента 220 историка) с высокой частотой в каждом цикле управления. Если удовлетворены определенные условия, будет сгенерировано расширенное событие. Например, в некоторых вариантах осуществления, модуль 250 аналитики в цикле может содержать встроенный механизм (процессор) правил, который оценивает данные входных датчиков в каждом цикле управления по некоторым спецификациям (например, правилам). Процессор правил может запускать события, если условия правил удовлетворены. Модуль 245 анализа вне цикла работает аналогично модулю 250 аналитики в цикле. Однако, поскольку вычисления аналитики выполняются вне нормального цикла обработки с помощью модуля 245 аналитики вне цикла, модуль 245 аналитики вне цикла может генерировать расширенные события с использованием вычислений аналитики, которые занимают больше одного цикла управления.[42] The
[43] После того, как расширенные события сгенерированы из компонента 205 аналитики данных, они хранятся в базе 255 данных событий в компоненте 220 историка. Подобно историческим данным, как только расширенные события сохранены, они могут быть запрошены внешними компонентами (например, IT-уровнем) через компонент 210 соединителя линии передачи данных или компонентом 205 аналитики данных для дальнейшей аналитики (например, для анализа главных причин). В некоторых вариантах осуществления, кадр события может использоваться для архивирования (ʺисторизацииʺ) любого расширенного события, определенного набором правил, применяемых к значениям компонента 220 историка и компонента 225 изображения процесса.[43] After the extended events are generated from the
[44] В отличие от данных временных рядов расширенные события являются менее частыми, содержат несколько полей (например, имя, время, связанные события и т.д.) и не обязательно должны быть сжаты. Таким образом, в некоторых вариантах осуществления, реляционная база данных может использоваться в качестве базы 255 данных событий. Системы управления реляционными базами данных обеспечивают структурированный и эффективный доступ к данным в соответствии с различными полями событий и, следовательно, обеспечивают эффективный доступ к определенным событиям. На фиг. 3 представлен пример базы данных событий для процесса управления сборки двери. Все события хранятся вместе с данными историка на носителе хранения данных (например, SD-карте) интеллектуального PLC. Отметим, что каждая запись события содержит знание контекста в его свойствах, таких как атрибуты occursAtAsset, attributesDuringProcess и causedBy.[44] Unlike time series data, extended events are less frequent, contain several fields (for example, name, time, related events, etc.) and need not be compressed. Thus, in some embodiments, the relational database can be used as the
[45] Интеллектуальный PLC 200 также включает в себя группу нежестких датчиков 265. Каждый нежесткий датчик обеспечивает доступ к переменной уровня управления, которая обычно не будет доступна вне интеллектуального PLC 200. Таким образом, путем динамической активации конкретного нежесткого датчика, данные могут быть доступны, например, через компонент 210 соединителя линий передачи данных. Дополнительная информация о нежестких датчиках может быть найдена в международной заявке № PCT/US14/63105, озаглавленной ʺUsing Soft-Sensors in a Programmable Logic Controllerʺ, которая полностью включена в настоящий документ посредством ссылки.[45] The
[46] Компонент 215 контекстуализации аннотирует входящие данные с помощью информации контекста, чтобы облегчить ее последующую интерпретацию. Информация контекста, как используется здесь, может включать в себя любую информацию, которая описывает значение данных. Например, контекст данных в системах автоматизации может включать информацию об устройстве, которое генерировало данные (например, датчике), о структуре системы автоматизации (например, топологии установки), о рабочем режиме системы (например, время простоя), о программном обеспечении автоматизации и его статусе при генерации данных и/или о продукте/партии, которые были произведены во время генерации данных. Компонент контекстуализации сконфигурирован, чтобы предоставлять данные любому из других компонентов для конкретных потребностей обработки. Информация контекста, генерируемая компонентом 215 контекстуализации, может не ограничиваться структурой ресурса, но может также включать в себя знание управления, специфическую для продукта информацию, информацию о процессе, информацию о событиях и потенциально другие аспекты таких внешних событий, как метеоинформация. Некоторая информация контекста может быть импортирована из инструментария инжиниринга (например, Siemens Totally Integrated Automation tools (Полностью интегрированный инструментарий автоматизации от компании Siemens)). Кроме того, в некоторых вариантах осуществления компонент 215 контекстуализации обеспечивает семантическую контекстуализацию. Контекст может быть представлен стандартным языком моделирования (например, язык описания онтологий Web, структура описания ресурса (стандарт RDF)), где формально определяется значение языковых конструкций. Контекстуализация данных с помощью этих стандартов семантического моделирования позволяет приложениям бизнес-аналитики автоматически понимать и интерпретировать данные, предоставляемые системой автоматизации, без усилий, направленных на ручное конфигурирование.[46] The
[47] Модель 240 события включена в компонент 215 контекстуализации. Модель 240 события связана с другими контекстами, такими как контекст ресурсов и управления (см. фиг. 5). Контекст предоставляется компоненту 205 аналитики данных для генерации событий. Например, событие ошибки позиционирования может быть ассоциировано с переменной управления (нежесткого датчика/переменной управления в контексте управления) и датчиком штрих-кода опоры (датчик в модели ресурса). Событие ошибки позиционирования генерируется во время выполнения с данной информацией контекста.[47] An
[48] С использованием функциональных возможностей компонента 205 аналитики данных и компонента 215 контекстуализации, описанных здесь, объем анализа и оптимизации может быть расширен, чтобы охватывать сами производственные процессы и не ограничивается самим интеллектуальным PLC или областью непосредственно управляемых устройств. Например, фокус аналитики на интеллектуальном PLC может быть направлен не только на обеспечение функционирования интеллектуального PLC и его подсоединенных датчиков и исполнительных механизмов (например, специфических для аппаратных средств расширенных событий), но и на оптимизацию управляемого производственного процесса в более широком контексте (например, на основе знания области и инфраструктуры применения).[48] Using the functionality of the
[49] Любые данные, собранные или сгенерированные компонентами интеллектуального PLC 200 (включая расширенные события), могут быть предоставлены внешним компонентам через компонент 210 соединителя линий передачи данных. В некоторых вариантах осуществления, компонент 210 соединителя линий передачи данных доставляет данные посредством методологии продвижения (проталкивания) (т.е. посредством активной отправки на внешний компонент). В других вариантах осуществления может использоваться методология вытягивания (извлечения), когда данные запрашиваются внешним компонентом. Кроме того, в некоторых вариантах осуществления, методологии продвижения и извлечения могут быть объединены, так что интеллектуальный PLC сконфигурирован для обработки обеих форм переноса данных.[49] Any data collected or generated by the components of the intelligent PLC 200 (including advanced events) can be provided to external components via the data
[50] Фиг. 4 представляет процесс 400, в котором расширенные события генерируются, сохраняются и используются интеллектуальным PLC в соответствии с некоторыми вариантами осуществления настоящего изобретения. Начиная с этапа 405, входящие данные собираются с устройств автоматизации (например, датчиков) и других внешних систем. Эти данные могут включать в себя, например, данные временных рядов, события управления, сигналы тревоги и другие структурированные (например, реляционные данные) и неструктурированные данные (например, сообщения, тексты). Затем, на этапе 410, данные используются для обновления компонента аналитики в цикле в интеллектуальном PLC (см. фиг. 2), который непрерывно контролирует и анализирует данные в своем активном окне, чтобы генерировать новые события. В некоторых вариантах осуществления, генерация событий выполняется с помощью спецификации, например, с использованием определенных правил или шаблонов.[50] FIG. 4 represents a
[51] В дополнение к аналитике в цикле, выполняемой на этапе 410, данные сохраняются в компоненте историка на интеллектуальном PLC. Процесс хранения начинается на этапе 430, где данные сжимаются, например, с использованием одного или нескольких методов сжатия, общеизвестных в данной области техники. Затем, на этапе 435, сжатые данные аннотируются и обрабатываются в соответствии с релевантными моделями контекста, доступными в качестве онтологий в стандартном языке онтологий (например, RDF, OWL, стандартизированных посредством W3C). В некоторых вариантах осуществления, обработка, выполняемая на этапе 435, выполняется путем явной генерации семантических данных в качестве экземпляров онтологии. В некоторых вариантах осуществления, это делается с использованием триад RDF. Как хорошо известно в данной области техники, базовая структура выражения в RDF представляет собой набор триад, содержащих субъект, предикат и объект. Каждый предикат представляет собой выражение отношения между вещами, обозначенными субъектами и объектами, которые он связывает. Каждая часть триады имеет ассоциированный с ней универсальный индикатор ресурса (URI). Таким образом, URI может быть сгенерирован на этапе 435 на основе модели контекста. Затем могут быть созданы одна или несколько триад, которые кодируют отношение между этим элементом данных и другими данными в среде системы автоматизации. Альтернативно, в других вариантах осуществления, обработка на этапе 435 выполняется путем связывания идентификатора датчика, генерирующего входящие данные, с соответствующим концептом (например, классом) в онтологии, которая затем разрешается процессором запроса (см. этап 440 ниже). На этапе 440, семантически контекстуализированные данные сохраняются. В некоторых вариантах осуществления, это сохранение выполняется в историке (например, с аннотацией посредством отображения ID), тогда как в других вариантах осуществления, данные могут храниться в базе данных, созданной специально для хранения и извлечения триад (т.е. хранилище триад) с прямой аннотацией данных.[51] In addition to the analytics in the loop at
[52] Продолжая ссылаться на фиг. 4, на этапе 415, компонент аналитики вне цикла (см. фиг. 2) извлекает данные из хранилища и генерирует новые события. Поскольку этап 415 выполняется вне цикла, компонент аналитики вне цикла может непрерывно контролировать и анализировать данные в течение более длительного периода времени, чтобы генерировать новые события.[52] Continuing to refer to FIG. 4, at
[53] После того как расширенное событие сгенерировано и обнаружено, информация контекста, требуемая для расширенного события (как определено в модели контекста), собирается из хранилища на этапе 420. Новые расширенные события с контекстами сохраняются в базе данных событий. На этапе 425, события и данные в хранилище становятся доступными через процессор семантических запросов. Этот процессор может выполнять запрос, сформулированный в отношении семантической модели контекста (например, запрос SPARQL), и извлекать релевантные данные. В некоторых вариантах осуществления, данные хранятся непосредственно в виде семантических данных (например, как RDF в хранилище триаде), и запрос может исполняться естественным образом. В других вариантах осуществления, данные хранятся в простом историке, и запрос переводится (SPARQL -> запросы историка) на основе моделей контекстов.[53] After the extended event is generated and detected, the context information required for the extended event (as defined in the context model) is collected from the store at 420. New extended events with contexts are stored in the event database. At 425, events and data in the store are made available through the semantic query processor. This processor can execute a query formulated in relation to a semantic context model (for example, a SPARQL query) and retrieve relevant data. In some embodiments, the data is stored directly in the form of semantic data (for example, as an RDF in a triad repository), and the query can be executed naturally. In other embodiments, the data is stored in a simple historian, and the query is translated (SPARQL -> historian queries) based on context models.
[54] Следует отметить, что фиг. 4 иллюстрирует два различных пути обработки: контекстуализация данных происходит на этапах 430-440, а обработка события в цикле выполняется на этапе 410. Эти два пути обработки могут выполняться параллельно или последовательно. В некоторых вариантах осуществления, интеллектуальный PLC сконфигурирован так, чтобы предоставлять обработку на основе доступных ресурсов на интеллектуальном PLC. Например, для многопроцессорного контроллера, один процессор может быть выделен для контекстуализации, тогда как другой процессор регулирует обработку событий. И наоборот, для однопроцессорной среды, два пути обработки могут исполняться последовательно.[54] It should be noted that FIG. 4 illustrates two different processing paths: data contextualization occurs at steps 430-440, and event processing in a loop is performed at
[55] Фиг. 5 иллюстрирует примерный набор моделей 500 контекста, который может использоваться интеллектуальным PLC в некоторых вариантах осуществления. Модель 505 процесса, модель 510 ресурсов, модель 515 материала, модель 520 событий, модель 525 управления и модель 530 среды, показанные на фиг. 5 представляют собой пять основных моделей, которые составляют структуру контекстуализации интеллектуального PLC. В отличие от всех других моделей контекстов, 505, 510, 515, 525 и 530, которые содержат статические данные, расширенные события в модели 520 событий динамически генерируются во время работы PLC. Поэтому расширенные события могут использоваться для ассоциирования/аннотирования статической контекстной информации (например, типов продуктов, топологии предприятия, информации о процессе) с данными временных рядов. Например, расширенное событие может использоваться для документирования того, что продукт Y был произведен машиной X во временном окне Z. Без этого расширенного события, очень сложно восстановить эти зависимости только на основе временных меток.[55] FIG. 5 illustrates an exemplary set of
[56] Фиг. 6A-6C предоставляют графическое представление того, как модели, показанные на фиг. 5, могут применяться при регулировании процесса сборки автомобильных дверей, в соответствии с некоторыми вариантами осуществления. В некоторых вариантах осуществления, инструментальное средство проектирования может генерировать графику, аналогичную представленной на этих чертежах, чтобы дать инженеру возможность полностью понять контекст расширенных событий, генерируемых системой.[56] FIG. 6A-6C provide a graphical representation of how the models shown in FIG. 5 may be used in controlling the assembly process of automobile doors, in accordance with some embodiments. In some embodiments, the design tool may generate graphics similar to those shown in these drawings to enable the engineer to fully understand the context of the extended events generated by the system.
[57] На фиг. 6A представлен высокоуровневый обзор моделей. Событие (например, ошибка позиционирования) возникает на ресурсе (например, в датчике штрих-кода опоры), во время процесса (сборки двери) и на продукте (двери). Программа управления может инициировать событие (например, переменная управления, превышающая порог).[57] In FIG. 6A provides a high-level overview of models. An event (for example, a positioning error) occurs on the resource (for example, in the support barcode sensor), during the process (door assembly) and on the product (door). The control program may trigger an event (for example, a control variable that exceeds a threshold).
[58] На фиг. 6В показано расширение модели события верхнего уровня, показанной на фиг. 6А. Этот пример показывает, что событие сбоя может иметь разные типы: проблема позиционирования, проблема материала или проблема калибровки робота. Эта информация может быть предварительно определена на основе знаний предметной области или получена во время выполнения.[58] In FIG. 6B shows an extension of the top-level event model shown in FIG. 6A. This example shows that a failure event can have different types: positioning problem, material problem, or robot calibration problem. This information can be predefined based on domain knowledge or obtained at runtime.
[59] На фиг. 6C показана модель события, связанная с моделями управления и ресурсов. В этом примере, проблема позиционирования дополнительно расширена, можно видеть, что датчик счета цикла позиционирования (нежесткий датчик) может вызвать аномалию регулирования позиционирования. Нежесткий датчик счета цикла позиционирования относится к модели управления, и он недоступен для традиционных PLC вне программы управления.[59] In FIG. 6C shows an event model associated with management and resource models. In this example, the positioning problem is further expanded, it can be seen that the position cycle counter (non-rigid sensor) can cause an anomaly in positioning control. The non-rigid positioning cycle count sensor belongs to the control model and is not available for traditional PLCs outside the control program.
[60] Как отмечено выше со ссылкой на фиг. 2, расширенные события генерируются в компонентах аналитики в интеллектуальном PLC. В некоторых вариантах осуществления компоненты аналитики используют процессор правил для выполнения такой генерации. Процессор правил оценивает входящие данные по некоторым предопределенным правилам в каждом цикле управления. Если все его условия удовлетворены, событие будет запущено. Правила могут быть развернуты в PLC в любое время. Таким образом, правила могут быть добавлены, изменены и удалены офлайн/онлайн и развернуты во время выполнения на работающем интеллектуальном PLC. Правила оцениваются, и новые события генерируются в следующем цикле. Нет необходимости переконфигурировать и перестраивать всю систему автоматизации. Более того, в некоторых вариантах осуществления, спецификации того, как генерируются события (например, пороговое значение), обучаются во времени на основе исторических данных и событий. Эти события не основаны на фиксированных пороговых значениях, а скорее на динамических значениях, полученных обучением из исторических условий.[60] As noted above with reference to FIG. 2, advanced events are generated in analytics components in the intelligent PLC. In some embodiments, analytics components use a rule processor to perform such generation. The rule processor evaluates the input according to some predefined rules in each control cycle. If all its conditions are satisfied, the event will be fired. Rules can be deployed to the PLC at any time. In this way, rules can be added, modified and deleted offline / online and deployed at runtime on a running smart PLC. Rules are evaluated, and new events are generated in the next cycle. There is no need to reconfigure and rebuild the entire automation system. Moreover, in some embodiments, specifications for how events are generated (e.g., threshold) are trained in time based on historical data and events. These events are not based on fixed thresholds, but rather on dynamic values obtained by learning from historical conditions.
[61] Фиг. 7A, 7B, 7C и 7D иллюстрируют, как концепция процессора правил может применяться к конкретному примеру: процессу сборки автомобильных дверей. На фиг.7А показано правило для генерации события проблемы качества двери, если значение DoorQualitySensor выше нуля. На фиг. 7В показано правило для генерации события аномалии управления позиционированием, если значение PositionLoopCounterSensor выше 5. В этом случае positionLoopCountsensor является управляющей переменной, частью модели управления. На фиг. 7С показано правило, которое связывает событие качества двери и событие аномалии управления позиционированием. Атрибут cause-by устанавливается в событии проблемы качества двери, если оба события происходят на одной и той же двери. На фиг. 7D показан пример того, как компонент аналитики в цикле (например, процессор правил) запускает событие. Нежесткий датчик счетчика циклов для набора дверей оценивается в процессоре правил. Порог (линия 701) получают обучением из исторических данных с использованием методов машинного обучения. Инженер может использовать этот полученный обучением порог для запуска события, если значение превышает его. Это невозможно с традиционными PLC, которые должны использовать предопределенную величину или переменную для использования ее в качестве порога.[61] FIG. 7A, 7B, 7C and 7D illustrate how the concept of a rule processor can be applied to a specific example: an automobile door assembly process. FIG. 7A shows a rule for generating an event of a door quality problem if the DoorQualitySensor is above zero. In FIG. 7B shows the rule for generating an event of positional control anomaly if the value of PositionLoopCounterSensor is higher than 5. In this case, positionLoopCountsensor is a control variable, part of the control model. In FIG. 7C shows a rule that links a door quality event and a position control anomaly event. The cause-by attribute is set in the door quality problem event if both events occur on the same door. In FIG. 7D shows an example of how an analytics component in a loop (such as a rule processor) fires an event. A non-rigid cycle counter for a door set is evaluated in the rule processor. The threshold (line 701) is obtained by learning from historical data using machine learning methods. An engineer can use this learning threshold to trigger an event if the value exceeds it. This is not possible with traditional PLCs that must use a predefined value or variable to use as a threshold.
[62] Процессоры, описанные здесь как используемые устройствами уровня управления, могут включать в себя один или несколько центральных процессоров (CPU), графических процессоров (GPU) или любых других процессоров, известных в данной области техники. В общем случае, процессор, как используется здесь, представляет собой устройство для выполнения машиночитаемых инструкций, хранящихся на считываемом компьютером носителе, для выполнения задач и может содержать любую одно или комбинацию из аппаратных средств и встроенного программного обеспечения. Процессор может также содержать память, хранящую машиночитаемые инструкции, исполняемые для выполнения задач. Процессор воздействует на информацию посредством манипулирования, анализа, изменения, преобразования или передачи информации для использования исполняемой процедурой или информационным устройством и/или путем маршрутизации информации на устройство вывода. Например, процессор может использовать или включать в себя возможности компьютера, контроллера или микропроцессора и быть сконфигурирован с использованием исполняемых инструкций для выполнения функций специального назначения, не выполняемых компьютером общего назначения. Процессор может быть связан (электрически и/или как содержащий исполняемые компоненты) с любым другим процессором с обеспечением взаимодействия и/или связи между ними. Процессор или генератор пользовательского интерфейса представляют собой известный элемент, содержащий электронную схему или программное обеспечение или их комбинацию для формирования отображаемых изображений или их частей. Пользовательский интерфейс содержит одно или несколько отображаемых изображений, обеспечивающих возможность взаимодействия пользователя с процессором или другим устройством.[62] The processors described herein as used by control layer devices may include one or more central processing units (CPUs), graphics processors (GPUs), or any other processors known in the art. In general, a processor, as used herein, is a device for executing computer-readable instructions stored on a computer-readable medium for performing tasks, and may comprise any one or a combination of hardware and firmware. The processor may also comprise memory storing computer-readable instructions executed to perform tasks. The processor acts on the information by manipulating, analyzing, modifying, transforming, or transmitting information for use by an executable procedure or information device and / or by routing the information to an output device. For example, a processor may use or include the capabilities of a computer, controller, or microprocessor and be configured using executable instructions to perform special functions not performed by a general purpose computer. The processor can be connected (electrically and / or as containing executable components) with any other processor to ensure interaction and / or communication between them. A processor or user interface generator is a known element containing electronic circuitry or software, or a combination thereof, to form displayed images or parts thereof. The user interface contains one or more displayed images that enable the user to interact with the processor or other device.
[63] Различные устройства, описанные здесь, включая, без ограничения, устройства уровня управления и связанную вычислительную инфраструктуру, могут включать в себя по меньшей мере один считываемый компьютером носитель или память для хранения инструкций, запрограммированных в соответствии с вариантами осуществления изобретения, и для хранения структур данных, таблиц, записей или другие данные, описанные здесь. Термин ʺсчитываемый компьютером носительʺ, как используется здесь, относится к любому носителю, который участвует в предоставлении инструкций одному или нескольким процессорам для исполнения. Считываемый компьютером носитель может принимать множество форм, включая, без ограничения указанным, не-временные, энергонезависимые носители, энергозависимые носители и среды передачи. Неограничительные примеры энергонезависимых носителей включают в себя оптические диски, твердотельные накопители, магнитные диски и магнитооптические диски. Неограничительные примеры энергозависимых носителей включают в себя динамическую память. Неограничительные примеры сред передачи включают в себя коаксиальные кабели, медный провод и волоконную оптику, включая провода, составляющие системную шину. Среды передачи могут также иметь форму акустических или световых волн, например, генерируемых при радиоволновой и инфракрасной передаче данных.[63] The various devices described herein, including, without limitation, control layer devices and associated computing infrastructure, may include at least one computer-readable medium or memory for storing instructions programmed in accordance with embodiments of the invention and for storing data structures, tables, records, or other data described here. The term “computer-readable medium”, as used here, refers to any medium that is involved in providing instructions to one or more processors for execution. Computer-readable media can take many forms, including, but not limited to, non-transitory, non-volatile media, volatile media, and transmission media. Non-limiting examples of non-volatile media include optical disks, solid state drives, magnetic disks, and magneto-optical disks. Non-limiting examples of volatile media include dynamic memory. Non-limiting examples of transmission media include coaxial cables, copper wire, and fiber optics, including wires that make up the system bus. Transmission media can also take the form of acoustic or light waves, for example those generated by radio wave and infrared data transmission.
[64] Исполняемое приложение, как используется здесь, содержит коды или машиночитаемые инструкции для конфигурирования процессора для реализации предопределенных функций, таких как функции операционной системы, системы сбора данных контекста или другой системы обработки информации, например, в ответ для команду или ввод пользователя. Исполняемая процедура представляет собой сегмент кода или машиночитаемой команды, подпрограмму или другую отдельную часть кода или часть исполняемого приложения для выполнения одного или нескольких конкретных процессов. Эти процессы могут включать в себя прием входных данных и/или параметров, выполнение операций над принятыми входными данными и/или выполнение функций в ответ на принятые входные параметры и предоставление результирующих выходных данных и/или параметров.[64] An executable application, as used herein, contains codes or computer-readable instructions for configuring a processor to implement predetermined functions, such as operating system functions, a context data acquisition system, or other information processing system, for example, in response to a command or user input. An executable procedure is a segment of code or a machine-readable command, a subroutine or other separate part of the code, or part of an executable application for executing one or more specific processes. These processes may include receiving input data and / or parameters, performing operations on the received input data and / or performing functions in response to the received input parameters and providing resulting output data and / or parameters.
[65] Графический пользовательский интерфейс (GUI), как используется здесь, содержит одно или несколько отображаемых изображений, генерируемых процессором отображения и позволяющих пользователю взаимодействовать с процессором или другим устройством и ассоциированными функциями сбора и обработки данных. GUI также включает исполняемую процедуру или исполняемое приложение. Исполняемая процедура или исполняемое приложение конфигурирует процессор отображения генерировать сигналы, представляющие отображаемые изображения GUI. Эти сигналы подаются на устройство отображения, которое отображает изображение для просмотра пользователем. Процессор, управляемый исполняемой процедурой или исполняемым приложением, манипулирует отображаемыми изображениями GUI в ответ на сигналы, принимаемые от устройств ввода. Таким образом, пользователь может взаимодействовать с отображаемым изображением с помощью устройств ввода, что позволяет пользователю взаимодействовать с процессором или другим устройством.[65] A graphical user interface (GUI), as used herein, comprises one or more display images generated by a display processor and allowing a user to interact with a processor or other device and associated data acquisition and processing functions. The GUI also includes an executable procedure or an executable application. The executable procedure or executable application configures the display processor to generate signals representing displayed GUI images. These signals are provided to a display device that displays an image for viewing by a user. A processor controlled by an executable procedure or an executable application manipulates the displayed GUI images in response to signals received from input devices. Thus, the user can interact with the displayed image using input devices, which allows the user to interact with the processor or other device.
[66] Функции и этапы процесса здесь могут выполняться автоматически, полностью или частично в ответ на команду пользователя. Операция (включая этап), выполняемая автоматически, выполняется в ответ на одну или несколько исполняемых инструкций или операцию устройства без прямого инициирования упомянутой операции пользователем.[66] The functions and process steps here may be performed automatically, in whole or in part, in response to a user command. An operation (including a step) that is performed automatically is performed in response to one or more executable instructions or an operation of the device without directly initiating said operation by the user.
[67] Система и процессы, показанные на чертежах, не являются исключительными. Другие системы, процессы и меню могут быть получены в соответствии с принципами изобретения для достижения тех же целей. Хотя настоящее изобретение описано со ссылкой на конкретные варианты осуществления, следует понимать, что варианты осуществления и изменения, показанные и описанные в настоящем документе, предназначены только для иллюстрации. Модификации настоящей разработки могут быть реализованы специалистами в данной области техники без отклонения от объема изобретения. Как описано в настоящем документе, различные системы, подсистемы, агенты, менеджеры и процессы могут быть реализованы с использованием компонентов аппаратных средств, компонентов программного обеспечения и/или их комбинаций. Никакой элемент пункта формулы изобретения не должен толковаться в соответствии с положениями 35 U.S.C. 112, шестой абзац, если только этот элемент явно не изложен с использованием фразы ʺсредство дляʺ.[67] The system and processes shown in the drawings are not exclusive. Other systems, processes and menus can be obtained in accordance with the principles of the invention to achieve the same objectives. Although the present invention has been described with reference to specific embodiments, it should be understood that the embodiments and changes shown and described herein are for illustration purposes only. Modifications of the present development can be implemented by specialists in the art without deviating from the scope of the invention. As described herein, various systems, subsystems, agents, managers, and processes can be implemented using hardware components, software components, and / or combinations thereof. No element of a claim shall be construed in accordance with the provisions of 35 U.S.C. 112, sixth paragraph, unless this element is explicitly stated using the phrase "remedy for".
Claims (40)
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/US2015/039670 WO2017007479A1 (en) | 2015-07-09 | 2015-07-09 | Generating events using contextual information on an intelligent programmable logic controller |
Publications (1)
Publication Number | Publication Date |
---|---|
RU2683415C1 true RU2683415C1 (en) | 2019-03-28 |
Family
ID=53682874
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2017146051A RU2683415C1 (en) | 2015-07-09 | 2015-07-09 | Generation of events with the use of context information on an intellectual programming logic controller |
Country Status (5)
Country | Link |
---|---|
US (1) | US10809708B2 (en) |
EP (1) | EP3320407B1 (en) |
CN (1) | CN107850893B (en) |
RU (1) | RU2683415C1 (en) |
WO (1) | WO2017007479A1 (en) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107077117B (en) * | 2014-10-29 | 2019-10-01 | 西门子公司 | The selection of automatic compression algorithm and parameter regulation based on Context Knowledge |
WO2017007479A1 (en) * | 2015-07-09 | 2017-01-12 | Siemens Aktiengesellschaft | Generating events using contextual information on an intelligent programmable logic controller |
JP6461435B1 (en) * | 2015-12-10 | 2019-01-30 | シーメンス アクチエンゲゼルシヤフトSiemens Aktiengesellschaft | Distributed embedded data and knowledge management system integrated with historians |
US10505955B2 (en) * | 2017-08-22 | 2019-12-10 | General Electric Company | Using virtual sensors to accommodate industrial asset control systems during cyber attacks |
EP3540542B1 (en) | 2018-03-13 | 2021-09-29 | Siemens Aktiengesellschaft | Method and apparatus for providing an instantiated industrial semantic model for an industrial infrastructure |
US11099549B2 (en) * | 2019-02-22 | 2021-08-24 | Toyota Motor North America, Inc. | System, method, and computer-readable storage medium for automated manufacturing defect detection |
WO2021058528A1 (en) * | 2019-09-27 | 2021-04-01 | Saint-Gobain Glass France | Automated manufacturing process, and manufacturing system for bending glass panes using an integrated digital image |
CN110879368B (en) * | 2019-12-23 | 2022-07-08 | 卡斯柯信号(北京)有限公司 | ITCS vehicle-mounted power supply data monitoring method and device |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001296911A (en) * | 2000-02-10 | 2001-10-26 | Omron Corp | Controller |
US20030023336A1 (en) * | 2001-07-13 | 2003-01-30 | Volker Kreidler | System architecture and method for network-delivered automation-related content |
US20080125887A1 (en) * | 2006-09-27 | 2008-05-29 | Rockwell Automation Technologies, Inc. | Event context data and aggregation for industrial control systems |
RU2525369C2 (en) * | 2008-06-27 | 2014-08-10 | ЭкссонМобил Рисерч энд Энджиниринг Компани | Method and device for real-time increase in fluid transfer pipeline operation efficiency |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9565275B2 (en) * | 2012-02-09 | 2017-02-07 | Rockwell Automation Technologies, Inc. | Transformation of industrial data into useful cloud information |
US7272453B2 (en) * | 2004-11-30 | 2007-09-18 | Air Products And Chemicals, Inc. | Method and apparatus for utilizing a sequence interpreter approach to control logic of a programmable logic controller |
US20090292677A1 (en) * | 2008-02-15 | 2009-11-26 | Wordstream, Inc. | Integrated web analytics and actionable workbench tools for search engine optimization and marketing |
US20090327172A1 (en) * | 2008-06-27 | 2009-12-31 | Motorola, Inc. | Adaptive knowledge-based reasoning in autonomic computing systems |
CN201469714U (en) * | 2009-09-09 | 2010-05-19 | 赵吉安 | Intelligent control system device for disinfecting and sterilizing a port container |
CN101872184A (en) | 2010-06-04 | 2010-10-27 | 南大傲拓科技江苏有限公司 | Programming and control method of sequence control diagram of programmable controller |
US10049135B2 (en) * | 2013-11-22 | 2018-08-14 | Ronald Gordon WHITLEY, JR. | Method and apparatus for context based data analytics |
US10394786B2 (en) * | 2015-04-20 | 2019-08-27 | Futurewei Technologies, Inc. | Serialization scheme for storing data and lightweight indices on devices with append-only bands |
WO2017007479A1 (en) * | 2015-07-09 | 2017-01-12 | Siemens Aktiengesellschaft | Generating events using contextual information on an intelligent programmable logic controller |
US11113640B2 (en) * | 2016-06-29 | 2021-09-07 | Tata Consultancy Services Limited | Knowledge-based decision support systems and method for process lifecycle automation |
-
2015
- 2015-07-09 WO PCT/US2015/039670 patent/WO2017007479A1/en active Application Filing
- 2015-07-09 US US15/740,016 patent/US10809708B2/en active Active
- 2015-07-09 RU RU2017146051A patent/RU2683415C1/en active
- 2015-07-09 CN CN201580081556.0A patent/CN107850893B/en active Active
- 2015-07-09 EP EP15739466.9A patent/EP3320407B1/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001296911A (en) * | 2000-02-10 | 2001-10-26 | Omron Corp | Controller |
US20030023336A1 (en) * | 2001-07-13 | 2003-01-30 | Volker Kreidler | System architecture and method for network-delivered automation-related content |
US20080125887A1 (en) * | 2006-09-27 | 2008-05-29 | Rockwell Automation Technologies, Inc. | Event context data and aggregation for industrial control systems |
RU2525369C2 (en) * | 2008-06-27 | 2014-08-10 | ЭкссонМобил Рисерч энд Энджиниринг Компани | Method and device for real-time increase in fluid transfer pipeline operation efficiency |
Also Published As
Publication number | Publication date |
---|---|
EP3320407B1 (en) | 2019-11-27 |
CN107850893B (en) | 2021-01-15 |
EP3320407A1 (en) | 2018-05-16 |
US20180181112A1 (en) | 2018-06-28 |
CN107850893A (en) | 2018-03-27 |
US10809708B2 (en) | 2020-10-20 |
BR112018000100A2 (en) | 2018-09-04 |
WO2017007479A1 (en) | 2017-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2683415C1 (en) | Generation of events with the use of context information on an intellectual programming logic controller | |
CN107250932B (en) | Programmable logic controller and semantic contextualization method therein | |
CN106354082B (en) | Knowledge-based programmable logic controller | |
US20200272116A1 (en) | Distributed Industrial Performance Monitoring and Analytics | |
US10739746B2 (en) | Using soft-sensors in a programmable logic controller | |
US10649449B2 (en) | Distributed industrial performance monitoring and analytics | |
US10386827B2 (en) | Distributed industrial performance monitoring and analytics platform | |
EP3335083B1 (en) | Rich contextualization of automation data | |
US10545492B2 (en) | Selective online and offline access to searchable industrial automation data | |
US20190258747A1 (en) | Interactive digital twin | |
CN107835964B (en) | Control contextualization and reasoning about controls | |
US20160132538A1 (en) | Crawler for discovering control system data in an industrial automation environment | |
US20170102693A1 (en) | Data analytic services for distributed industrial performance monitoring | |
US10303148B2 (en) | Automatic compression algorithm selection and parameter tuning based on contextual knowledge | |
Christou et al. | End-to-end industrial IoT platform for actionable predictive maintenance | |
BR112018000100B1 (en) | METHOD FOR GENERATING EVENTS BASED ON DATA FROM THE AUTOMATION SYSTEM AND INTELLIGENT PROGRAMMABLE LOGIC CONTROLLER | |
CN117408333A (en) | Self-enhanced knowledge model |